语音聊天输出什么意思

输出是一串Subword，和NLP类似，目前Subword是最好的端到端系统的输出单位，一般用sentence piece等工具将文本进行切分输入是 Mel谱（MFCC特征），可以理解为将语音信号经过采样，大约每10毫秒可以得到一个向量，向量的维度一般是80，如果语音有10秒，整个mel input的就是一个 80 * 1000 的矩阵